混合SVM-HMM方法在旋转机械启动过程故障诊断中的应用研究

提出了旋转机械启动过程故障诊断的一种新框架一混合SVM—HMM方法。该方法把SVM的输出信息通过sigmoid函数和高斯模型转化为后验概率的形式,并把它引入到HMM模型隐状态的观测概率。根据模拟实验数据计算表明,该方法是十分有效的。     

线性AR-HMM在旋转机械故障诊断中的应用

旋转机械的连续监测日益成为重要问题。由于传感技术的发展和计算能力的提高，使设备在线监测与故障诊断成为可能。把线性AR系数作为暂态振动信号的特征，利用有限状态隐马尔可夫模型（简称HMM）来模拟旋转机械的运行过程中运态行为的变化，从而提出一种新的故障诊断方法，HMM的参数从监测数据的统计关系中导出，实验证明该方法是切实可行的。     

裂纹转子升速过程中的振动特性分析

对旋转机械升降速过程的振动监测是发现早期转子裂纹故障的最有效方法。通过对带横向裂纹Jeffcot转子在匀加速升速过程的振动特性进行数值分析,结果表明:随着升速加速度的增加,超谐共振和主共振峰值减小并且对应的转速滞后;不平衡量相位角β=π/4时,主共振峰值随不平衡量增大而增大,β=π时,主共振峰值随不平衡量增加而减小;各共振峰值随裂纹的加深而增大。     

基于基金会现场总线的振动解析系统的研究

电厂中使用了大量的旋转机械，防止突发事故和减少维护费用，同时尽可能压缩一次性投资，是电厂在这些旋转机械运行中重点关注的几个问题，该文介绍了一种全新的旋转机械在线故障诊断系统，它将整个电厂的振动纳入一个基于FF现场总线的振动解析系统中，采用该系统既可以提高设备运行的可靠性，又减少了设备维护的费用，并且还减少了一次性投资。     

基于Mobile-VIT的旋转机械故障诊断方法

主要提出了一种基于Mobile-VIT神经网络技术的旋转机械故障的识别分析方法：首先，将旋转的机械构件在其各种连续运行工作状态条件下获得的高频振动信号通过短时的傅里叶变换方法转换为时频图像；然后，将图像输入到搭建好的Mobile-VIT网络模型中，通过其对时频图的识别以及特征提取实现旋转机械故障诊断。实验结果表明，提出的方法具有较高的故障识别准确率，能够有效识别旋转机械的运行状态。     

低比速离心泵叶轮内三维不可压湍流场计算

采用压强连接的隐式修正（SIMPLE－C）算法，在贴体网格坐标下对控制议程进行有限差分离散后，在考虑旋转与曲率的影响下修正采用k- ε湍流模型，由此求解了低比速离心泵叶轮内三维不可压湍流场，揭示了流动特征反映了设计思想。图5参5     

改进的BP神经网络在汽轮发电机组故障诊断中的应用

就BP网络的不足，提出了一种改进的BP神经网络模型，用于汽轮发电机组故障的诊断。经理论和实践证明：该方法有效地提高了故障诊断的精度和可靠度，为旋转机械故障诊断提供了有效方法。图2表4参7     

短期洪水预报的变结构神经网络模型

针对神经网络洪水预报模型的结构难以确定的问题，应用一种在训练过程中可调整隐层神经元数的算法，建立了变结构神经网络洪水预报模型。该方法提供了设计面向问题的网络结构的途径，在网络结构设计，提高洪水预报精度等方面具有一定的实用性。     

柴油机怠速转速稳定性的模糊控制

本文分析了直喷式柴油机喷油系统对怠速稳定性的不利影响，考虑到柴油机怠速过程的非线性、时变性和不确定性，提出了一个柴油机速控制模型。在该模型的怠速控制与原机械调速器以及模拟机构调整器的比例控制之间进行了怠速稳定的对比试验。     

感应电机无速度传感器控制带速重投方法研究

在一些特殊应用场合,在电力中断后旋转感应电机需要采取快速平滑重投方法继续投入运行。采用无速度传感器控制下带速重投时刻需要获取电机初始速度从而完成带速重投过程。为此,引入单电流闭环直流注入法快速获取感应电机的初始转速。分析了短时电力中断情况下旋转电机特性,建立了单电流闭环直流注入下旋转电机数学模型,分析了测量反馈电流频率估算电机转速的方法;同时研究了从单电流闭环直流注入切换到全阶转速估算的模式切换策略。最后,通过搭建仿真模型进行验证,仿真结果验证了基于单电流闭环直流注入带速重投方法的可行性。     

谐小波模糊神经网络应用于旋转机械的故障诊断

根据旋转机械复杂的故障特点，提出了结合谐小波分析、模糊理论和神经网络形成的谐小波模糊神经网络方法，并将其应用于旋转机械的故障诊断，实现了模糊故障诊断。通过计算机实现了全部算法。仿真和试验的结果表明：谐小波模糊神经网络在处理多故障耦合的情况时优势明显，故障诊断正确率高，证明该方法行之有效，为旋转机械的故障诊断提供了理论支持和新方法。图2表3参7     

数学形态学在旋转机械振动信号处理中的应用

信号处理技术是旋转机械故障诊断的核心。数学形态学是一种信号处理方法,介绍了数学形态学滤波的原理,提出一种基于数学形态学的方法来处理现场采集的旋转机械振动信号,以消除噪声污染和直流偏移等问题。该方法通过移动结构元素对采样信号进行形态处理。仿真实验证明该方法切实可行。该方法计算速度快,易于实现,具有较好的适用价值。     

旋转机械振动监测和分析

本文介绍旋转机械振动监测和设备故障诊断的意义、旋转机械的常见振动问题和振动测量的原理及测试方法。最后介绍我公司研制开发的以计算机为核心的旋转机械振动监测和分析系统的主要功能。     

基于HHT的旋转机械故障诊断方法研究

希尔伯特黄变换(Hilbert-Huang Transformation，HHT)，是先把一列时间序列数据通过经验模态分解(Empirical Mode Decomposition，EMD)，然后经过希尔伯特变换获得频谱的信号处理新方法。详细地介绍了HHT方法的理论和算法。首先，通过仿真信号把该方法与小波变换(Wavelet Transformation，WT)方法进行了比较研究，验证了方法的优越性；然后，把该方法用于旋转机械油膜涡动故障诊断中，研究结果表明：该方法相对传统的分析方法在较低转速区能更早发现油膜涡动故障，说明把基于HHT的时频分析方法用于旋转机械故障诊断是有效的。图11参8     

燃气轮机转子裂纹故障分析与诊断

振动监测和诊断是及时诊断旋转机械故障的手段之一,其中的频谱分析能有效地诊断出转子裂纹。介绍了某燃气轮机转子裂纹的振动现象、处理过程以及故障诊断。转子裂纹的振动有以下特征:裂纹转子具有刚度不对称的特点,运行中存在二倍频振动,在启停机经过转子临界转速一半时存在二倍频共振峰;随着裂纹的发展,二倍频共振峰值有增大趋势;联轴器瓢偏以及低速盘车时转子晃度也会增大。根据转子的振动特征判断该转子存在裂纹且仍在发展,检查结果验证了故障诊断的正确性,为转子裂纹的故障分析与诊断提供参考。     

基于内禀模态能量熵与支持向量机的转子故障智能诊断方法的研究

大型旋转机械转子的运转情况是生产过程中最重要的问题之一,在故障初期对故障识别并实现智能诊断具有重要的意义。然而大型旋转机械存在较大的非线性,并且故障样本较少,给特征提取和状态识别带来了很大困难。基于经验模态分解(EMD)后内禀模态函数的能量熵,提取各个内禀模态函数的能量作为特征向量,并以此作为支持向量机(SVM)的输入参数来输入支持向量机进行故障诊断。实验表明这种方法能够对故障状态与正常状态正确分类,实现故障的智能诊断。     

基于粗糙集理论的旋转机械故障诊断方法

粗糙集理论是一种新的数据分析和处理方法，使用粗糙集理论可以对决策表进行简化，去除冗余属性。该文针对旋转机械故障诊断问题，计算旋转机械振动故障数据库中的频域征兆，使用粗糙集理论对其进行约简，根据约简的结果生成规则。利用得到的规则对故障样例进行诊断。结果表明：使用粗糙集理论可以在保留分类能力不变的前提下，去掉诊断中的不重要的要素，保留重要的要素，从而可以简化对诊断信息的需求。对故障样例的诊断结果也表明：得到的规则基本上是可信的。表5参8     

嵌入式旋转机械状态监测系统的设计与研究

旋转机械状态监测对旋转设备运行安全,降低设备维修费用,提高设备利用率有重大意义。介绍了一种基于ARM的嵌入式监测装置,通过该装置实现对旋转机械的在线监测。同时,为建立旋转机械的故障诊断和维护系统奠定了基础。     

旋转机械典型故障的高阶谱特性分析

在实验结果的基础上详细分析了旋转机械典型故障的高阶谱特性（特别是三阶谱的特性），并进行了对比，为有效诊断旋转机械的各种故障提供了进一步的依据。     

基于EEMD及分形方法的轴承振动信号分析

为对具有强烈非线性特征的轴承振动信号做出准确的故障识别,基于分形理论,采用辅助经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)对信号进行降噪预处理,采用G-P算法分析轴承不同状态下振动信号关联维数。研究表明:基于EEMD的降噪方法可有效对振动信号进行降噪;轴承工作状态不同,其振动信号关联维数具有明显的可区分性,当轴承处于外环故障时,其关联维数最大为4.7,当轴承处于滚珠故障时,其关联维数最小仅为3.0,当轴承处于正常/内环故障时,其关联维数分别为4.0/3.2。因此,利用关联维数能定量识别轴承的不同故障状态及位置。